【摘 要】
：
橡胶活化能是反应橡胶老化速率的重要参数,可以为研究橡胶寿命提供有效途径.该文以橡胶压缩永久变形率为测试性能,从热烘箱加速老化试验数据出发,分析了苯醚撑硅橡胶的活化能及寿命,阐述了在已知活化能的情况下,老化时间和老化温度之间的对应关系,并进一步剖析了活化能、热老化温度以及临界值对寿命的影响,对今后设备用橡胶密封件的活化能研究及寿命验证有一定的借鉴意义.
【机 构】
：
中航光电科技股份有限公司,河南洛阳471000
论文部分内容阅读
橡胶活化能是反应橡胶老化速率的重要参数,可以为研究橡胶寿命提供有效途径.该文以橡胶压缩永久变形率为测试性能,从热烘箱加速老化试验数据出发,分析了苯醚撑硅橡胶的活化能及寿命,阐述了在已知活化能的情况下,老化时间和老化温度之间的对应关系,并进一步剖析了活化能、热老化温度以及临界值对寿命的影响,对今后设备用橡胶密封件的活化能研究及寿命验证有一定的借鉴意义.
其他文献
本文介绍了橡胶促进剂TBBS的生产背景,探讨了传统合成法的问题所在,探讨了原材料等各种因素对TBBS产率及纯度的影响,确定最佳工艺路线,为工业化生产提供参考.
3D打印技术对于一些小批量、复杂零部件的制造具有性价比高、材料浪费少的明显优势,已经成为结构复杂零件成型领域中的重要技术之一,本文介绍了3D打印相关配套技术及其优缺点,以及3D打印在轮胎生产制造过程中的生产与应用.
为了满足打磨机器人对控制器使用性能的要求,该文分析了控制器与机器人本体的接线图,对控制器硬件功能需求进行说明,介绍了一种基于ARM Cortex-A8 AM3517处理器的嵌入式处理器并概述了其功能特点.根据控制系统功能图对机器人控制器进行设计,控制器分为示教盒与主控制器2个部分,该文详细介绍这2个部分与机器人本体的控制连接.同时,还设计了核心板的电路与接口,由此设计出的打磨机器人控制器具有结构清晰、实时性和通用性强等优点.
在地下矿山采矿的过程中,必须对爆破后顶板侧帮的浮石进行清理,该文针对国内地下中小型矿山撬毛作业的现状及现有撬毛方法的特点,结合某矿山采矿工艺和智能化撬毛作业的需求,研制开发出了一种结构紧凑、机动灵活、功能齐全且适用于国内低矮型矿山的撬毛机器人.在试验智慧采场通过5G信号成功地在地表集控中心对井下设备进行远程可视化遥控操作.
近年来,随着安卓市场的不断扩大,安卓系统的敏感数据泄露引起了越来越多的关注.为了解决安卓应用程序可能存在的敏感信息泄露问题,该文利用静态污点分析设计了1个用于安卓应用程序敏感信息泄露的检测方案,该方案基于Smali语言的语法特点构建针对应用程序的污点分析策略.通过构建污点流图来分析应用是否存在信息泄露.同时,方案提出用双向分析的方法来提高检测效率.试验结果表明,该方案可以高效地检测安卓应用中可能存在的信息泄露情况.
本研究讨论了混炼工艺对航空轮胎胎面胶性能的影响.结果表明:航空轮胎胎面胶混炼过程中,随着混炼工艺条件的逐步改进,硫化时间t90缩短,300％定伸应力下降,老化性能无变化;增加混炼时间和薄通次数能够有效提高炭黑分散程度,从而提高炭黑分散度等级.
该文研究了平方光力耦合系统中光的传输特性,根据线性化的海森堡-朗之万运动方程得到一阶边带即反斯托克斯场的谱线特性.平方光力耦合是与线性光力耦合不同的一种耦合形式,一般通过在普通的法布里-珀罗腔中间放置1个力学薄膜来产生,平方耦合光力系统中光的传输特性与线性情况不同,其控制场的上转换是双声子过程,即吸收2个声子产生的反斯托克斯光与探测光发生相消干涉,使探测场的透射谱线在控制场与探测场失谐量和机械振子频率匹配处出现1个透明窗口,也就是平方耦合的光力诱导透明现象.
目前,头盔显示器(HMD)广泛应用于电子游戏等娱乐等领域.作为头盔显示器的重要组成部分,头盔显示光学系统不仅关系到成像质量的好坏,而且还直接影响头盔显示器的体积、质量以及使用者的体验.在当代HMD发展的背景下,针对头盔显示器小型化和轻型化的特点,该文主要选用OLED作为微显示器,以PMMA非球面塑料玻璃为光学系统主体,结合离轴折/反射式系统的结构原理,通过ZEMAX光学设计软件对头盔显示光学系统进行建模研究和优化设计.
当代战争是具有高消耗、高投入以及高科技等特点的战争.大国导弹部队都具有射程远、打击范围广以及精度高等特点,如何在消灭敌人有生力量的同时保护好自己成为相关研究的重点.目前,绝大部分导弹均为整弹运输、贮藏,调配成本巨大,机动性和隐蔽性较差,应对突发局面的适应能力较弱,无法根据作战环境及时进行调整,只能通过后方进行补充.针对该情况,该文提出移动式中心洞库的设计方案,整个方案由洞库导弹舱段补给系统、导弹自动拆装检测一体化系统以及整弹自动转载装填系统组成.涉及的技术包括可扩展式箱体技术、数字化舱段立库技术以及智能拆
该文研究了一种基于迁移学习的跨场景船舶特征实时分类的方法.主要解决因气象环境、拍摄角度以及光照变化等影响,使在一个数据集上训练的深度神经网络无法直接在其他数据集上获得高准确率的问题.基于迁移学习的思路,该文用分类网络结合对抗生成网络解决迁移学习的问题.通过分类网络与判别器进行对抗,通过训练使判别器不能区分原数据集与迁移数据集的区别,借此学习迁移数据集提取优秀特征的能力;同时通过原数据集标签训练检测网络,使特征提取网络提取特有特征的能力不被退化.